SKILLEMALL.ai
GitHub ↗ EN Войти

BB building-cloud-siem-with-sentinel

Развертывает Microsoft Sentinel в качестве облачной SIEM/SOAR путем настройки многооблачных коннекторов данных (AWS, Azure, GCP), написания запросов KQL для обнаружения и поиска, а также создания автоматизированных плейбуков реагирования Logic Apps. Используйте при создании централизованной SOC для многооблачных сред, при миграции из устаревшей SIEM или при масштабном поиске угроз; не для сред только AWS, где достаточно Security Hub/GuardDuty, или для нужд EDR конечных точек.

машинный переводПоказать оригиналСкрыть оригинал«Deploy Microsoft Sentinel as a cloud-native SIEM/SOAR by configuring m…»

Deploy Microsoft Sentinel as a cloud-native SIEM/SOAR by configuring multi-cloud data connectors (AWS, Azure, GCP), writing KQL detection and hunting queries, and building automated Logic Apps response playbooks. Use when establishing a centralized SOC for multi-cloud environments, migrating from a legacy SIEM, or performing petabyte-scale threat hunting; not for AWS-only setups where Security Hub/GuardDuty suffice or for endpoint EDR needs.

mukul975/Anthropic-Cybersecurity-Skills Agent Skills автор: mukul975 Apache-2.0 4 файла · 1 скрипт тело ≈ 3 053 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Развертывает Microsoft Sentinel в качестве облачной SIEM/SOAR путем настройки многооблачных коннекторов данных (AWS, Azure, GCP), написания запросов KQL для…

Как процесс B 72/100 · Почти готов — слабые места: ошибки и развилки, повторный запуск

ГенераторAWSAzureGoogle CloudЛюди и наймтип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
90/100
безопасность, качество, тесты
Безопасность 60%
96
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
B
72/100
Почти готов
Ошибки и развилки вес 10
0
Повторный запуск вес 4
30
Когда включается вес 12
50
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 4

    ✓ Критических и высоких находок нет

    Средние и низкие: 4
    • низкая Рискованное назначение intent-offensive-security SKILL.md:140
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      // Detect mass S3 object deletion (potential ransomware)
      детектор
    • низкая Рискованное назначение intent-offensive-security SKILL.md:201
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      // Threat hunting query: detect lateral movement across AWS accounts
      детектор
    • низкая Рискованное назначение intent-offensive-security SKILL.md:277
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
      3. Build a Fusion detection rule that links Azure AD risk events with subsequent AWS privilege escalation activity
      детектор
    • низкая Рискованное назначение intent-offensive-security SKILL.md:279
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      5. Create a workbook showing the timeline from initial compromise through lateral movement to AWS

    Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "domain"
    • заметка frontmatter-key неизвестное поле фронтматтера "subdomain"
    • заметка frontmatter-key неизвестное поле фронтматтера "nist_ai_rmf"
    • заметка frontmatter-key неизвестное поле фронтматтера "atlas_techniques"
    • заметка frontmatter-key неизвестное поле фронтматтера "nist_csf"
    • заметка frontmatter-key неизвестное поле фронтматтера "mitre_attack"
    • заметка edit-residue в тексте есть пометки об устаревшем (строки 7): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

    Процессный рейтинг: все десять параметров 72/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 20
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3053 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 445 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (9 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.